import pandas as pd
import numpy as np
import glob
import matplotlib.pyplot as plt
import random 

Os arquivos devem ser baixados da Justiça Eleitoral: https://dadosabertos.tse.jus.br/dataset/resultados-2022-arquivos-transmitidos-para-totalizacao

Executando o script logjez_process.py arquivos CSV serão gerados para cada estado dois arquivos, um com votos e outro com dados das urnas.

Vamos carregar a tabela de cidades. Só será utilizada para informar o nome da cidade de acordo com o código

municipios = pd.read_csv("./municipios.csv", encoding="iso-8859-1")
municipios.sample(10)

	municipio_cod	municipio	estado
1052	94854	NAZÁRIO	GO
3198	74047	LINDOESTE	PR
2440	4227	BRASIL NOVO	PA
4785	32514	UMBAÚBA	SE
2491	4731	ITUPIRANGA	PA
3624	58319	DUAS BARRAS	RJ
5073	65315	IRAPUÃ	SP
4648	82791	QUILOMBO	SC
3101	11614	PIMENTEIRAS	PI
3105	11690	PORTO	PI

Vamos carregar os dados das urnas

path = "./csv_gerados/??.urnas.csv"
filenames = glob.glob(path)
dfs = []
for filename in filenames:
    dfs.append(pd.read_csv(filename, encoding = "ISO-8859-1"))

urnas = pd.concat(dfs, ignore_index=True).dropna()

urnas.sample(10)

	UF	municipio	zona	secao	qtdEleitoresAptos	qtdComparecimento	dataHoraAbertura	dataHoraEncerramento	idPleito	qtdEleitoresLibCodigo	qtdEleitoresCompBiometrico	modelo
370965	SP	62910	274	78	388	313	20221030T080001	20221030T170135	407	22	253	UE2015
117892	MA	9210	3	472	312	260	20221030T080057	20221030T170234	407	8	260	UE2020
264638	PR	75353	2	486	346	285	20221030T080001	20221030T170019	407	14	254	UE2020
348663	SC	81795	76	677	388	323	20221030T080001	20221030T170027	407	5	302	UE2020
437045	SP	64416	297	172	308	191	20221030T080001	20221030T170140	407	18	173	UE2020
347405	SC	83496	54	162	376	296	20221030T080001	20221030T170352	407	55	237	UE2010
33156	BA	39497	116	46	288	214	20221030T080141	20221030T170025	407	4	184	UE2020
339857	RS	85073	5	105	241	198	20221030T080001	20221030T170512	407	17	152	UE2013
18811	BA	39551	69	26	246	179	20221030T080001	20221030T170004	407	10	76	UE2020
79754	DF	97012	10	270	365	307	20221030T080001	20221030T170450	407	13	280	UE2020

urnas.shape[0]

471984

Aqui carregamos os arquivo com os votos.

path = "./csv_gerados/??.votos.csv"
filenames = glob.glob(path)
dfs = []
for filename in filenames:
    dfs.append(pd.read_csv(filename, encoding = "ISO-8859-1"))

votos = pd.concat(dfs, ignore_index=True).dropna()

votos.sample(10)

	UF	municipio	zona	secao	cargo	quantidadeVotos	partido	candidato
1522174	SP	67792	80	56	presidente	9	nulo	nulo
969158	PR	74730	28	221	presidente	4	branco	branco
1078950	RJ	60011	246	136	presidente	211	22	22
33993	AL	28690	17	64	presidente	120	13	13
28303	AL	28339	13	31	presidente	77	22	22
407716	GO	93343	28	125	presidente	149	22	22
1258937	RS	89354	110	71	presidente	89	13	13
454913	MA	7935	15	342	presidente	1	nulo	nulo
802805	PB	19810	17	261	presidente	9	nulo	nulo
552577	MG	43559	300	48	presidente	1	branco	branco

votos.shape[0]

1851420

Precisamos uma tabela com 2 colunas com totais de votos para os candidatos Bolsonaro e Lula

votosBolsonaro = votos.query("candidato == '22'")
votosLula = votos.query("candidato == '13'")

votosBolsonaro = votosBolsonaro.rename(columns={"quantidadeVotos":"Bolsonaro"})
votosLula = votosLula.rename(columns={"quantidadeVotos":"Lula"})

Aqui juntamos os dados com votos dos 2 candidatos e o modelo de urna

votosPresidente = votosBolsonaro[['UF','municipio','zona','secao','Bolsonaro']].join(
    votosLula[['UF','municipio','zona','secao','Lula']]
        .set_index(['UF','municipio','zona','secao']), how="outer",
            on=['UF','municipio','zona','secao']).join(
                urnas[['UF','municipio','zona','secao','modelo']]
                    .set_index(['UF','municipio','zona','secao']), 
                        on=['UF','municipio','zona','secao']
            )

votosPresidente.head(10)

	UF	municipio	zona	secao	Bolsonaro	Lula	modelo
1	AC	1015	2	88	84.0	53.0	UE2009
5	AC	1015	2	75	129.0	47.0	UE2009
7	AC	1015	2	69	125.0	53.0	UE2009
11	AC	1015	2	95	133.0	34.0	UE2009
14	AC	1015	2	90	144.0	47.0	UE2009
18	AC	1015	2	73	138.0	45.0	UE2009
22	AC	1015	2	74	129.0	48.0	UE2009
24	AC	1015	2	67	164.0	53.0	UE2009
28	AC	1015	2	80	124.0	98.0	UE2009
32	AC	1015	2	66	162.0	56.0	UE2009

votosPresidente.shape

(471525, 7)

O foco aqui é validar a suspeita de 1 modelo das urnas ter comportamento na totalização de votos, portanto devemos começar analizando como foram distribuidas as urnas, pelo menos por estado, para diminuir a probabiliade de o fator demografico determinar a diferença.

urnasPorUF = pd.pivot_table(data=votosPresidente[['UF','modelo']], index=['UF'], columns=['modelo'], aggfunc=np.count_nonzero)
ax = urnasPorUF.plot.bar(stacked=True, figsize=(8,6))
ax.set_title('Tipo de Urna Por Estado', fontsize=20)

Text(0.5, 1.0, 'Tipo de Urna Por Estado')

Acima vemos a distribuição. Notem que haviam urnas que não encontramos o arquivo de log (SemLog).
O gráfico mostra que as urnas foram distribuidas em todos os estados. Em especial o modelo mais novo que representa uma boa quantidade das urnas para cada estado (em rosa)

Os graficos abaixo mostram a distribuição de votos apurados nas urnas UE2020 e o contraste para as não UE2020 (anteriores a 2020 que não foram auditadas no pleito de 2022)

data = votosPresidente.query("modelo == 'UE2020'")
plt.scatter(data['Bolsonaro'],data['Lula'], s=1, vmax=200)
plt.title("Urnas UE2020 - Brasil")
plt.xlabel("Bolsonaro")
plt.ylabel("Lula")
plt.show()

data = votosPresidente.query("modelo != 'UE2020'")
plt.scatter(data['Bolsonaro'],data['Lula'], s=1)
plt.title("Urnas Não UE2020 - Brasil")
plt.xlabel("Bolsonaro")
plt.ylabel("Lula")
plt.show()

C:\Users\coelh\AppData\Local\Temp\ipykernel_26828\2442136202.py:2: UserWarning: No data for colormapping provided via 'c'. Parameters 'vmax' will be ignored
  plt.scatter(data['Bolsonaro'],data['Lula'], s=1, vmax=200)

Os gráficos já mostram acima que o comportamento é muito distinto. As urnas mais antigas deram mais vantagem ao cadidato Lula, aparentemente retirando votos do Bolsonaro.

No gráfico das 2020 aparece um grande numero de votos mais ao centro, enquanto as antigas parecem ter algum tipo de trava, o que gera uma linha geometrica, quase igual um triângulo escaleno.

Vamos ver os mesmos gráficos para cada tipo de urna.

* note que existem 3 populações maiores de urnas, as UE2010, UE2015 e UE2020. Os demais modelos são minoria, o que pode dificultar essa análise de um ponto de vista geometrico

for index, row in votosPresidente.filter(['modelo'], axis=1).drop_duplicates().sort_values("modelo").iterrows():
    data = votosPresidente.query("modelo == '"+row['modelo']+"'")
    plt.scatter(data['Bolsonaro'],data['Lula'], s=1)
    plt.title("Votos Brasil com urna modelo "+row["modelo"])
    plt.xlabel("Bolsonaro")
    plt.ylabel("Lula")
    plt.show()

Revise os gráficos acima e note como é possível notar o tal triângulo escaleno em todos modelos, menos no modelo UE2020 onde, apesar de visualizarmos o triângulo, há um escape (massa da votos) mais distribuida ao centro.

Isso pode indicar algumas possiveis causas

Algum algorítmo foi criado para travar os votos, migrando de outro candidato para o candidato 13

Seria improvável os mesmos eleitores, nos mesmos locais, terem comportamento tão diferenciado

As urnas tem diferença no software, e o software foi adulterado

Porém o mais provável é que a dispersão seja por conta de urnas com mais eleitores (vamos analisar abaixo), o que seria natural

Aqui vamos explorar as urnas UE2020 e não UE2020 por cada estado

for index, row in votosPresidente.filter(['UF'], axis=1).drop_duplicates().iterrows():
    print(row['UF'])
    data = votosPresidente.query("modelo == 'UE2020' and UF == '"+row['UF']+"'")
    plt.scatter(data['Bolsonaro'],data['Lula'], s=1)
    plt.title("Urnas UE2020 - UF: "+row['UF'])
    plt.xlabel("Bolsonaro")
    plt.ylabel("Lula")
    plt.show()

    data = votosPresidente.query("modelo != 'UE2020' and UF == '"+row['UF']+"'")
    plt.scatter(data['Bolsonaro'],data['Lula'], s=1)
    plt.title("Urnas Não UE2020 - UF: "+row['UF'])
    plt.xlabel("Bolsonaro")
    plt.ylabel("Lula")
    plt.show()

AC

AL

AM

AP

BA

CE

DF

ES

GO

MA

MG

MS

MT

PA

PB

PE

PI

PR

RJ

RN

RO

RR

RS

SC

SE

SP

TO

ZZ

Você pode notar nos gráficos acima o achatamento, que fica sempre mais evidente nos estados onde o PT e Lula são mais populares. Nesses estados o achatamento do triângulo fica muito mais evidente.

Isso demonstra que, se há algorítimo, esse deve ter alguma lógica, não só aleatória, mas também inteligênte para realizar a migração de votos (fraude) levando em consideração a quantidade de votos de cada candidato adversário do número 13 (número do PT)

É muito provável que esse algoritmo estaria presente desde quando as urnas começaram a operar, o que pode ter favorecido o candidato a presidente do PT desde então.

A fraude só poderia então ser detectada porque as UE2020 não apresentaram o mesmo comportamento, ou o algoritmo falhou nessas urnas, criando a oportunidade de comparar os dados, ou não há fraude, e isso seria explicado somente pela existência de urnas com mais concentração de eleitores

Como será que isso pode refletir nos resultados?
Vamos analisar isso visualizando os resultados por UF e por tipo de urna

votosPresidente[['UF','Lula','Bolsonaro']].groupby(['UF']).sum(numeric_only=True).plot.bar(color=['red','blue']).set_title("Votos Geral")
votosPresidente.query("modelo == 'UE2020'")[['UF','Lula','Bolsonaro']].groupby(['UF']).sum(numeric_only=True).plot.bar(color=['red','blue']).set_title("Votos UE2020")
votosPresidente.query("modelo != 'UE2020'")[['UF','Lula','Bolsonaro']].groupby(['UF']).sum(numeric_only=True).plot.bar(color=['red','blue']).set_title("Votos Não UE2020")

Text(0.5, 1.0, 'Votos Não UE2020')

votosPresidente[['UF','modelo','Lula','Bolsonaro']].groupby(['modelo']).sum(numeric_only=True).plot.bar(color=['red','blue']).set_title("Votos por Tipo de Urna")

Text(0.5, 1.0, 'Votos por Tipo de Urna')

Tecnicos universitários disseram que as distorções nos gráficos de disperção são devido às urnas UE2020 terem maior quantidade de eleitores.

Extraímos as quantidades de eleitores que compareceram por tipo de urna

comparecimento = urnas[['modelo','qtdComparecimento']].query("modelo != 'SemLog'")
comparecimentoGroup = comparecimento.groupby(['modelo']).mean().join(
    comparecimento.groupby(['modelo']).max(), lsuffix='_mean').join(
        comparecimento.groupby(['modelo']).min(), lsuffix='_max').rename(
            {"qtdComparecimento_mean":"média", "qtdComparecimento_max":"max","qtdComparecimento":"min"}, axis=1)
comparecimentoGroup

	média	max	min
modelo
UE2009	252.951269	605	1
UE2010	250.712626	582	7
UE2011	248.430713	485	9
UE2013	248.399319	437	13
UE2015	255.211165	588	8
UE2020	279.468146	508	7

ax = comparecimentoGroup.groupby(['modelo']).sum(numeric_only=True).plot.bar(color=['blue','red','green'], figsize=(8,6))
ax.set_title("Comparecimento por Tipo de Urna")

Text(0.5, 1.0, 'Comparecimento por Tipo de Urna')

Vamos repetir os mesmos gráficos para verificar a afirmação de que os gráficos de dispersão não são válidos para comparação pois a distorção (trava de voto) seria causada pela quantidade de votos por urna. Assim, vamos limitar os gráficos abaixo para as urnas com 240 a 260 votos (entre a média das urnas 2010, 2015 e 2020)

votosPresidenteRestrito = votosPresidente.query("modelo == 'UE2020' and Votos > 240 and Votos < 260")

data = votosPresidenteRestrito
plt.scatter(data['Bolsonaro'],data['Lula'], s=1, vmax=200)
plt.title("Urnas UE2020 - Brasil")
plt.xlabel("Bolsonaro")
plt.ylabel("Lula")
plt.show()

C:\Users\coelh\AppData\Local\Temp\ipykernel_26828\1050429937.py:2: UserWarning: No data for colormapping provided via 'c'. Parameters 'vmax' will be ignored
  plt.scatter(data['Bolsonaro'],data['Lula'], s=1, vmax=200)

Olhando o gráfico acima fica então evidente de que a afirmação dos especialistas está correto, e os gráficos de dispersão não comprovam que houve fraude.